Du kan rutinen: en nyckelordslista landar i ett kalkylark och plötsligt jonglerar du SERP:ar, gissningar om ”intent” och halvfärdiga anteckningar i alldeles för många flikar. Det är inte svårt arbete. Det är bara oändligt arbete.
Den här automatiseringen av nyckelordsintention träffar SEO-ansvariga först, men innehållsansvariga och små byråägare känner av det också. Du vill ha konsekventa intentionsetiketter du kan lita på, så att briefs inte blir till diskussioner.
Det här arbetsflödet hämtar nyckelord från Google Sheets, skrapar toppresultaten, ber OpenAI klassificera intention och skriver sedan tillbaka allt till arket. Du får se hur det fungerar, vad du behöver och vad du kan justera.
Så fungerar den här automatiseringen
Här är hela arbetsflödet du kommer att sätta upp:
n8n Workflow Template: Google Sheets + OpenAI för snabbare sökordsintention
flowchart LR
subgraph sg0["When clicking ‘Execute workflow’ Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Execute workf..", pos: "b", h: 48 }
n1["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Fetch Google Search Results .."]
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out", pos: "b", h: 48 }
n3@{ icon: "mdi:database", form: "rounded", label: "Get Keywords", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Items", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-vertical", form: "rounded", label: "format fields", pos: "b", h: 48 }
n6@{ icon: "mdi:database", form: "rounded", label: "append ranking result", pos: "b", h: 48 }
n7@{ icon: "mdi:robot", form: "rounded", label: "Intent Classifier", pos: "b", h: 48 }
n8@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model2", pos: "b", h: 48 }
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "informational", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Navigational", pos: "b", h: 48 }
n11@{ icon: "mdi:swap-vertical", form: "rounded", label: "Commercial", pos: "b", h: 48 }
n12@{ icon: "mdi:swap-vertical", form: "rounded", label: "Transactional", pos: "b", h: 48 }
n13@{ icon: "mdi:swap-vertical", form: "rounded", label: "Mixed", pos: "b", h: 48 }
n14["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/merge.svg' width='40' height='40' /></div><br/>Merge intents"]
n15@{ icon: "mdi:swap-vertical", form: "rounded", label: "set keyword", pos: "b", h: 48 }
n13 --> n14
n2 --> n5
n11 --> n14
n15 --> n1
n3 --> n4
n10 --> n14
n14 --> n6
n12 --> n14
n5 --> n7
n9 --> n14
n4 --> n15
n4 --> n4
n7 --> n9
n7 --> n10
n7 --> n11
n7 --> n12
n7 --> n13
n8 -.-> n7
n1 --> n2
n0 --> n3
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n0 trigger
class n7 ai
class n8 aiModel
class n3,n6 database
class n1 api
classDef customIcon fill:none,stroke:none
class n1,n14 customIcon
Varför det här spelar roll: intentionsmärkning bromsar allt
Nyckelordsintention låter enkelt tills du faktiskt måste göra det i stor skala. Du söker på termen, skummar toppresultaten, gissar ”informativt vs kommersiellt” och försöker sedan förklara din motivering i en brief som någon annan ska följa nästa vecka. Multiplicera det med 50 eller 200 nyckelord och det blir ett slit. Och eftersom det är manuellt blir det inkonsekvent. Två personer märker samma nyckelord olika, vilket leder till felmatchat innehåll, omskrivningar och det där obekväma mötet där alla argumenterar om vad Google ”egentligen vill”.
Det summerar snabbt. Här är var det fallerar i riktiga team.
- Du öppnar och återöppnar samma SERP:ar eftersom anteckningarna i arket inte är tillräckligt detaljerade för att du ska lita på dem senare.
- Intention märks ut på ”magkänsla”, så samma mönster ger olika briefs beroende på vem som rört filen.
- Att manuellt granska 10 rankande sidor per nyckelord kan ta cirka 10 minuter varje gång, även när du jobbar snabbt.
- När kalkylarket inte uppdateras konsekvent blir prioritering en gissning, inte en plan.
Vad du bygger: Google Sheets → SERP-skrapning → OpenAI intentionsetiketter
Den här automatiseringen gör ett vanligt nyckelordskalkylark till en maskin för intentionsanalys. Du börjar med att lägga in nyckelord (och en landskod) i Google Sheets. När du kör arbetsflödet hämtar det varje nyckelord, anropar en SERP-skrapare för att ta topp 10 rankande sidor och paketerar resultaten till ett korrekt formaterat underlag för en intentionsklassificerare. Sedan märker OpenAI intention utifrån vad som faktiskt rankar, inte vad någon antar rankar. Till sist skriver arbetsflödet tillbaka intentionen (och stödjande analysfält) till Google Sheets så att listan blir direkt användbar för briefs, klustring eller prioritering. Ingen flikjakt. Ingen copy-paste-spiral. Bara konsekventa utdata som teamet kan bygga vidare på.
Arbetsflödet börjar i Google Sheets med nyckelorden du vill analysera. Det skrapar topp 10-resultaten per nyckelord (via en Bright Data SERP API-konfiguration) och använder sedan en AI-agent med en OpenAI Chat Model för att klassificera intention. Efter en snabb sammanslagning och fältstädning sparas resultaten tillbaka i arket för planering.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du behöver intentionsetiketter för 50 nyckelord. Manuellt, om du granskar topp 10-resultaten och bara lägger cirka 10 minuter per nyckelord, blir det ungefär 8 timmar av SERP-skummande (och ärligt talat drar det ofta ut längre). Med det här arbetsflödet lägger du in 50 nyckelord i Google Sheets, kör det och låter skrapning plus AI-klassificering göra grovjobbet. Du kommer fortfarande att stickprova några rader, men oftast är du nere på runt en timmes övervakning och städning i stället för att tappa större delen av en dag.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Google Sheets för din nyckelordslista och dina utdata.
- Bright Data SERP API för att skrapa de främsta sökresultaten.
- OpenAI API-nyckel (hämta den från OpenAI API-dashboarden).
Kunskapsnivå: Medel. Du kopplar konton, lägger in API-inloggning och mappar några fält i n8n.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Nyckelorden kommer från ditt kalkylark. Du lägger till nyckelord och en landskod i ett Google Sheet (arbetsflödet förväntar sig de kolumnerna). När du kör arbetsflödet läser det varje rad du vill bearbeta.
SERP-resultat skrapas för kontext. En HTTP-begäran anropar din Bright Data SERP API-zon för att hämta topp 10 rankande sidor. Det här är viktigt eftersom intentionsklassificeringen bara är så bra som underlaget du matar in.
OpenAI märker intention konsekvent. En AI-agent (med en OpenAI Chat Model) granskar rankningsuppsättningen och returnerar en intentionsetikett som du kan standardisera i teamet. Om arbetsflödet hittar saknade data eller oväntade svar kan det förgrena med If-noder och vänta kort innan det fortsätter.
Resultaten städas och skrivs tillbaka. Arbetsflödet slår ihop relevanta fält, sätter slutliga utkolumner och uppdaterar Google Sheets så att varje nyckelordsrad slutar med en intention du kan filtrera på och agera utifrån.
Du kan enkelt ändra intentionskategorierna så att de matchar din redaktionella process utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Felsökningstips
- Google Sheets-inloggning kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera sidan Credentials i n8n och bekräfta att det anslutna Google-kontot fortfarande har åtkomst till arket.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Bright Data SERP API-anrop misslyckas oftast för att zonnamnet är fel eller för att headers inte är satta. Dubbelkolla zonen i Bright Data under Proxies & Scraping → SERP API och bekräfta sedan header-uppgifterna i din HTTP Request-nod.
Snabba svar
Cirka 45 minuter om dina konton är redo.
Ingen kodning krävs. Du mappar främst kalkylarkskolumner och klistrar in API-uppgifter.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 $/månad för högre volym. Du behöver också räkna in kostnader för OpenAI API (ofta bara några dollar för en batch i vettig storlek) samt dina SERP-skrapningskostnader från Bright Data.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärt och klarar n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Du kan justera prompten till AI-agenten så att den använder dina egna intentionskategorier (till exempel ”informativt”, ”kommersiellt”, ”lokalt”, ”navigerande”), och sedan uppdatera Edit Fields (Set)-noden så att den skriver till exakt de kolumner som teamet redan använder. Många team ändrar också antalet SERP-resultat som hämtas, eller lägger till en snabb ”konfidens”-notering för att flagga nyckelord som bör granskas manuellt.
Oftast är det ett behörighetsproblem i arket, eller en utgången Google-inloggning i n8n.
Om du kör n8n med egen drift finns ingen körningsgräns (det beror på din server och dina hastighetsgränser för skrapning/AI). På n8n Cloud beror din månatliga körningsgräns på din plan, så stora batcher kan pressa dig mot en betald nivå. I praktiken kör de flesta team detta i batcher om 50–200 nyckelord, stickprovar resultatet och köar sedan nästa set. Dina gränser hos Bright Data och OpenAI är ofta den verkliga flaskhalsen, inte n8n.
För det här use caset är n8n oftast bättre eftersom du vill ha förgreningar, sammanslagningar och mer kontroll över HTTP-begäran till din SERP-skrapare utan att betala extra för varje ”avancerat” steg. Det är också enklare att köra i egen drift, vilket spelar roll om du kör många nyckelord. Zapier eller Make kan fortfarande fungera om du har en liten lista och vill ha något väldigt guidat, men de blir klumpiga när du lägger till retries, väntetid och parsing i flera steg. Uppriktigt sagt är det i pipelinen för SERP-skrapning plus AI-klassificering som enkla verktyg börjar kännas trånga. Om du vill ha en second opinion innan du bestämmer dig, prata med en automationsexpert.
När detta väl rullar slutar intentionsanalys vara en flaskhals och blir en bakgrundsuppgift. Sätt upp det en gång och lägg sedan tiden på det som faktiskt flyttar ranking.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.